研修会社がAIで教材作成を効率化、コンテンツ制作コストを半減させた方法

「また教材作成で残業か」——限界を迎えた研修会社の現場

東京・品川に拠点を置く企業研修会社、株式会社ラーニングブリッジ（仮名）。創業12年、年間50本以上の研修プログラムを企画・開発・実施してきたこの会社で、教材開発部のマネージャーを務める田中恵子さん（38歳）は、2023年の春先、深夜のオフィスで一人、スライドと格闘していた。

「製造業クライアント向けの管理職研修、納期まであと3日なのに、ケーススタディがまだ4本しかできていない。あと8本必要なのに」

当時のメモによれば、その夜は午前2時まで作業が続いた。翌朝9時には別のクライアントとの打ち合わせが入っていた。

研修会社にとって教材は「商品の心臓部」だ。スライドの見栄えや講師の話術も大事だが、受講者が実際に手を動かすワークシート、頭を使うケーススタディ、理解度を確認するテスト問題——これらの品質が研修の価値を決める。だからこそ、妥協できない。妥協できないから、時間がかかる。時間がかかるから、コストが膨らむ。

この記事では、その田中さんが主導した「AI活用による教材制作フローの刷新」プロジェクトを、具体的なプロンプトや数値データとともに詳細に紹介する。結果として制作コストは1プログラムあたり平均80万円から40万円へと半減した。だが、そこに至るまでの道のりは、決して順風満帆ではなかった。

AI導入前の「教材地獄」——数字で見る実態

まず、AI導入前の状況を数字で整理しておきたい。

1プログラム（6〜8時間研修）の教材制作期間：平均6〜8週間
うち外注費（デザイン・ライティング）：35〜40万円
社内工数（企画・編集・校正）：約180〜200時間（人件費換算で約40万円）
合計コスト：平均80万円/プログラム
年間開発プログラム数：50本
年間教材制作コスト総額：約4,000万円

この数字を見て「それだけ払えばいいものができるはず」と思うかもしれないが、現実はそう単純ではない。外注ライターに依頼したケーススタディが「教科書的すぎて現場感がない」と講師から差し戻されるのは日常茶飯事。「製造業の品質管理部門のリアルな悩みを書いてください」と依頼しても、実際に工場に足を運んだことのないライターには限界がある。

結果として、外注で上がってきた原稿の修正に社内工数がさらにかかる。「外注したのに、結局自分たちで書き直している」という状況が常態化していた。

さらに深刻だったのが、クライアントからの「カスタマイズ要求」だ。「うちの業界に合わせたケーススタディにしてほしい」「登場人物の役職をうちの社内呼称に変えてほしい」——こうした要求は当然のことだが、外注ライターへの追加発注は費用と時間を食い、社内で対応すれば工数が増える。どちらに転んでも損だった。

ChatGPTを選んだ理由——他ツールとの比較検討

2023年6月、田中さんはAI活用の本格検討を始めた。当時すでにChatGPT（GPT-4）、Claude 2、Google Bardなどが使えるようになっており、社内でも「AIを使えば楽になるんじゃないか」という声は出始めていた。

田中さんは1ヶ月かけて3つのツールを実際に使い比べた。評価軸は「長文生成の品質」「業界知識の深さ」「プロンプトへの応答精度」「APIでの自動化可能性」の4点だ。

「Claudeは文章が自然で読みやすいんですが、当時はAPI連携が複雑で、うちのような小規模チームには導入ハードルが高かった。Bardは日本語の品質がまだ不安定で、ビジネス文書としての精度が足りなかった。ChatGPT（GPT-4）は、プロンプトの書き方次第でかなりコントロールできる、という感触がありました」

最終的にChatGPT（GPT-4）を主軸に採用。ChatGPT Plusの月額20ドル（当時約2,700円）を教材開発担当者3名分契約し、合計月額約8,100円でスタートした。年間コストに換算すれば約10万円。これが後に4,000万円のコスト構造を変えることになる。

具体的な導入ステップと実際のプロンプト

ステップ1：教材構成案の自動生成

まず取り組んだのが「構成案（カリキュラム設計）」の効率化だ。これまで経験豊富な講師が2〜3時間かけて作っていた工程を、AIで30分以内に完成させることを目標にした。

試行錯誤の末に行き着いたプロンプトがこれだ：

あなたは企業研修の専門家です。以下の条件で研修プログラムの詳細な構成案を作成してください。
【研修テーマ】新任管理職向けチームマネジメント研修
【対象者】製造業・30〜40代・管理職歴1年未満
【研修時間】1日（6時間）
【クライアントの課題】部下の育成方法がわからない、会議のファシリテーションが苦手
【出力形式】①章タイトル②学習目標（行動変容レベルで記述）③主要コンテンツ（箇条書き）④演習内容⑤所要時間——を表形式で出力

このプロンプトのポイントは「行動変容レベルで記述」という指示だ。最初は「学習目標を書いてください」とだけ指示していたが、「管理職としての心構えを理解する」のような曖昧な目標ばかり出てきた。「研修後、受講者が職場で何をできるようになっているかを動詞で書いてください」と追加指示することで、「1on1ミーティングで部下の課題を引き出す質問を3種類使い分けられる」といった具体的な目標が出るようになった。

構成案作成の所要時間：2〜3時間 → 30〜40分（約80%削減）

ステップ2：ケーススタディの量産

最も効果が大きかったのがここだ。ケーススタディ1本の作成に、これまで経験豊富な社員が2時間かけていた。それが20〜25分になった。

実際に使っているプロンプトをそのまま公開する：

以下の条件でリアリティのあるケーススタディを作成してください。
【業界】食品製造業（従業員300名規模）
【登場人物】営業部長・田村（48歳男性）、部下の営業担当・鈴木（27歳女性・入社3年目）
【テーマ】部下のモチベーション低下への対応
【状況設定】鈴木は昨年まで成績優秀だったが、今期から数字が落ちている。田村は原因がわからず、どう声をかけるべきか迷っている
【ケーススタディの構成】①状況説明（300字）②田村の取った行動（会話形式・200字）③この対応の問題点（箇条書き3点）④ディスカッション設問（2問）
【注意点】実際の職場で起こりうるリアルな場面にすること。教科書的な模範解答を最初から示さないこと

「教科書的な模範解答を最初から示さないこと」という指示が重要だ。これを入れないと、AIは「田村は鈴木の話をよく聞き、共感的な姿勢で接しました」のような、問題のない行動を書いてしまう。研修用のケーススタディは「どこが問題か」を受講者に考えさせるために、あえて不完全な対応を描く必要がある。

ステップ3：理解度テスト問題の自動生成

研修後の理解度確認テスト（10〜20問）の作成も、AIで大幅に効率化できた。

以下の研修コンテンツを踏まえ、理解度確認テストを作成してください。
【対象コンテンツ】（←ここに研修テキストの該当箇所を貼り付け）
【問題数】15問
【問題形式】4択問題10問、○×問題3問、記述式問題2問
【難易度】基礎理解を確認するレベル（応用・実践問題は含めない）
【出力形式】問題文・選択肢・正解・解説（なぜその答えが正しいか）を含めること

このプロセスで特に便利だったのが「解説付き」で出力させる点だ。テスト問題だけでなく、受講者が間違えたときに参照する解説文まで一括で生成できる。これまで問題作成と解説作成を別工程でやっていたのが、一度で完成するようになった。

テスト問題作成の所要時間：3〜4時間 → 30分

ステップ4：ロールプレイシナリオの作成

コミュニケーション系研修で欠かせないロールプレイのシナリオ作成にも活用した。特に「クレーム対応研修」「ハラスメント防止研修」のシナリオは、リアリティと適切な表現のバランスが難しく、外注では品質が安定しなかった。

クレーム対応研修用のロールプレイシナリオを作成してください。
【設定】家電量販店のサービスカウンター
【クレーム内容】購入後2週間で故障した洗濯機。修理か交換を要求している
【顧客役の指示】最初は冷静だが、対応が悪いと感情的になる。「上の人を呼べ」と言う場面を入れる
【スタッフ役が練習すべきスキル】①謝罪の言葉の選び方②代替案の提示方法③エスカレーションの判断
【シナリオ構成】顧客役の台本（感情変化の指示付き）、スタッフ役の理想的な対応例、よくある失敗パターン

ぶつかった壁——失敗談を正直に話す

順調に見えるかもしれないが、実際には多くの失敗があった。

失敗1：法律・規制関連コンテンツの「もっともらしい誤情報」

ハラスメント防止研修の教材を作成した際、AIが生成した「パワーハラスメントの法的定義」の記述に誤りが混入していた。具体的には、2020年の改正労働施策総合推進法（パワハラ防止法）の施行時期と、中小企業への適用開始タイミングについて、AIが不正確な情報を自信満々に書いていた。

幸い、この回はベテラン講師がレビュー時に気づいて修正できたが、「もし見逃していたら、受講者に間違った法律知識を教えるところだった」と田中さんは振り返る。

この失敗以降、法律・規制・数値データが含まれるコンテンツには必ず「この内容には法律情報が含まれます。必ず最新の法令・公的機関の情報と照合してください」というチェックフラグを付けるルールを設けた。

失敗2：「業界あるある」の的外れ感

建設業クライアント向けの安全管理研修で、AIが生成したケーススタディが「実際の現場と全然違う」と講師から総ダメ出しを食らった。AIは建設現場の「雰囲気」は書けるが、「現場監督が朝礼で何を言うか」「職人同士の力関係」「下請け構造の実態」といった肌感覚は持っていない。

外注ライターと同じ問題が、AIでも起きた。

この問題の解決策として行き着いたのが「業界インプット先行方式」だ。クライアントへのヒアリングで得た生の声（録音の文字起こし、担当者のメモなど）をプロンプトの冒頭に貼り付け、「以下の実際の現場の声を参考に、リアリティのあるケーススタディを作成してください」と指示する方法だ。これにより、業界固有の文脈を持ったコンテンツが生成できるようになった。

失敗3：「量産」による品質の均質化

AIで効率化できると分かった途端、「じゃあケーススタディを20本作ろう」という話になった。確かに20本は作れた。しかし受講者からのフィードバックに「どのケースも似たような話で飽きてきた」というコメントが複数来た。

AIは同じプロンプト構造で生成すると、どうしても「パターン」が出る。登場人物の設定、問題の構造、解決の方向性——これらが似通ってくる。量を追い求めた結果、研修としての「引き」が弱くなってしまった。

この反省から、ケーススタディは「AIで草稿を作り、講師が必ずアレンジを加える」ルールに変更した。AIが作ったものをそのまま使うのではなく、講師の実体験や実際のクライアント事例のエッセンスを混ぜ込む工程を必須にした。

失敗をどう乗り越えたか——改善した運用フロー

失敗を経て、現在の運用フローはこうなっている：

Phase 1：インプット収集（AI使用前）

クライアントへのヒアリング録音を文字起こし（Whisper API使用）
受講者の職種・年齢・課題感を整理した「ペルソナシート」を作成
業界特有のキーワード・用語集を準備

Phase 2：AI生成（ChatGPT使用）

構成案の生成（ペルソナシートとヒアリング内容をプロンプトに組み込む）
各章の本文ドラフト生成
ケーススタディ・ロールプレイシナリオの生成（最大8本/プログラム）
理解度テスト問題の生成

Phase 3：人間によるレビューと編集

担当講師による内容確認（事実確認・現場感のチェック）
法律・規制関連箇所の公的資料との照合
ケーススタディへの「講師の味付け」追加
クライアント固有の用語・事例への置き換え

Phase 4：デザイン・仕上げ

スライドへの落とし込み（この工程は引き続き外注）
印刷物・PDFの最終確認

このフローで最も重要な変化は「Phase 3の位置づけ」だ。以前は外注ライターが書いた原稿を「修正する」工程だったが、今は「AIが生成した素材に価値を加える」工程に変わった。同じ「人間が手を入れる」でも、心理的な負荷がまったく違う。

「以前は『なんでこんな的外れな文章を直さないといけないんだ』というフラストレーションがあった。今は『AIが作った8割完成品を自分たちの色に仕上げる』という感覚で、むしろ楽しい」と田中さんは言う。

最終的な成果——数字で見る変化

AI導入から約1年（2024年6月時点）の実績をまとめる：

1プログラムあたりの制作コスト：80万円 → 40万円（50%削減）
制作期間：6〜8週間 → 3〜4週間（約50%短縮）
ケーススタディ1本あたりの作成時間：2時間 → 25分（約80%削減）
構成案作成時間：2〜3時間 → 35分（約80%削減）
テスト問題作成時間：3〜4時間 → 30分（約85%削減）
年間教材制作コスト総額：約4,000万円 → 約2,000万円
削減できた外注費の一部を新プログラム開発に再投資し、年間開発本数：50本 → 68本に増加

コスト削減だけでなく、「開発できなかったプログラムが開発できるようになった」という副次効果も大きい。以前は「この規模のクライアントには採算が合わない」と断っていた小規模カスタマイズ案件を受けられるようになり、新規クライアントの獲得につながっている。

受講者満足度への影響も確認している。研修後アンケートの「教材の質」に関する満足度スコアは、AI導入前の平均3.8点（5点満点）から4.1点に上昇した。「ケーススタディのリアリティ」という項目に限れば、3.6点から4.3点に改善している。これは前述の「業界インプット先行方式」と「講師による味付け」が機能している証拠だと田中さんは分析する。

同じことをやろうとしている人へ——現場からのアドバイス

この取り組みを他の研修会社や教育コンテンツ制作者に伝える機会が増えてきた田中さんが、「これだけは伝えたい」と言うポイントを最後にまとめておく。

1. AIは「ライター」ではなく「優秀なアシスタント」として使う

「AIに書かせる」という発想を捨てることが第一歩だ。AIは素材を生成するのが得意で、「現場の文脈」「受講者の感情」「クライアントの文化」を理解するのは人間の仕事だ。AIが作ったものを「編集する」のではなく、AIが作ったものを「素材として使う」という意識の転換が重要。

2. プロンプトは「業務マニュアル」として蓄積する

うまくいったプロンプトは必ずドキュメントに残す。田中さんのチームでは現在、目的別に30種類以上のプロンプトテンプレートをNotionで管理している。新しいスタッフが入っても即日使えるようになっており、これ自体が会社の知的資産になっている。

3. 「全部AIで」は品質を下げる

コスト削減の誘惑から「できるだけAIに任せたい」と思いがちだが、人間のレビューを省いた途端に品質は落ちる。特にファクトチェック、業界固有の文脈確認、受講者感情への配慮——これらは人間にしかできない。AIと人間の役割分担を明確にし、人間が担う部分に集中することが持続的な品質維持の鍵だ。

4. 小さく始めて、成功体験を積む

最初から全プロセスをAI化しようとしない。田中さんが最初に取り組んだのは「テスト問題の作成」だけだった。最も時間がかかっていて、最も「正解が明確」な工程から始めたことで、チームの信頼を得やすかった。成功体験が積み重なって初めて、ケーススタディや構成案という「判断が難しい工程」への展開ができた。

深夜のオフィスでスライドと格闘していた田中さんは今、午後6時に退社できるようになったという。「残業時間が減ったことより、空いた時間でクライアントと深い対話ができるようになったことの方が、仕事の充実感につながっています」という言葉が印象的だった。

AIは研修の「中身」を作れない。受講者の人生を変えるような気づきを設計するのは、依然として人間の仕事だ。ただ、その人間が本当に集中すべき仕事に時間を使えるようにする——それがAIの正しい役割なのかもしれない。